ML Interpretability: feature visualization, adversarial example, interp. for language models

摘要

介紹機器學習可解釋性，涵蓋電腦視覺的特徵視覺化與對抗範例，並延伸至語言模型的偏見分析。觀眾可學習如何透過提示工程洞察模型內部的偏見與運作機制。

This video introduces machine learning interpretability, covering feature visualization and adversarial examples in computer vision and bias analysis in language models.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

適合誰看

從事機器學習、深度學習研究或開發的技術人員。

摘要依據

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.27

新鮮

0.04

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• The Dark Matter of AI [Mechanistic Interpretability]影片 ・ Welch Labs ・ 24 分鐘
• Interpretability: Understanding how AI models think影片 ・ Anthropic ・ 59 分鐘
• 【生成式AI導論 2024】第11講：大型語言模型在「想」什麼呢？ — 淺談大型語言模型的可解釋性影片 ・ Hung-yi Lee ・ 45 分鐘
• The moment we stopped understanding AI [AlexNet]影片 ・ Welch Labs ・ 18 分鐘
• Can Interpretability Control Model Training?影片 ・ Neel Nanda ・ 22 分鐘
• A Visual Guide to Attention Mechanisms in LLMs - Luis Serrano, Data Hack 2025 with @Analyticsvidhya影片 ・ Luis Serrano Academy ・ 52 分鐘